针对传统图像融合算法目标不突出、边缘及纹理细节不清晰或缺失、对比度降低等问题，提出一种基于引导滤波（GF）和双树复小波变换（DTCWT）的红外与可见光图像融合算法。首先，根据红外与可见光图像的特点，在DTCWT分解前对可见光图像进行GF增强，同时对经DTCWT分解后的红外高频分量进行GF增强；然后，根据不同频带系数特点，提出一种基于显著性的自适应加权规则对红外与可见光低频子带分量进行融合，采用一种基于拉普拉斯能量和（SML）与梯度值向量的规则对不同尺度、方向下高频子带进行融合；最后，对融合后的高、低频系数进行DTCWT逆变换以得到最终重构图像。将所提算法与6种高效融合算法进行对比评价，实验结果表明，所提融合算法在不同场景下具有显著的目标特征，同时背景纹理和边缘细节清晰，整体对比度适宜，并且在4类客观评价指标上也取得了较好的效果。

紫外-可见吸收光谱法测量水质化学需氧量(COD), 本质是对大量水质光谱数据建模, 以此模型为基础引入待测的水质光谱数据进行预测的过程。 而实测的邻苯二甲酸氢钾COD标准溶液在200～300 nm存在两个特征吸收峰, 标准溶液在不同浓度下的峰值也不同, 利用此特性对该波段进行特征波长的选择, 用其表征光谱信息, 降低数据冗余度的同时提高了预测精度。 针对实测水质光谱信号容易受到仪器本身和外界干扰, 光谱数据存在大量非平稳噪声, 且特征吸收峰及其临近信号频率较高, 常规去噪算法直接舍弃高频信号以及无法准确判断信噪分量界限, 导致有效信号缺失这一实际问题。 提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)和双树复小波变换(DT-CWT)的联合去噪算法。 该联合算法利用CEEMDAN将信号分解为本征模态函数(IMF), 并通过归一化自相关函数和互相关系数进行线性相关性分析, 得到各阶IMF分量之间的自相关性以及IMF分量与原始信号的互相关系数, 以确定高频含噪分量与低频信号分量的界限; 进而应用DT-CWT阈值去噪算法对含噪高频IMF分量进行处理, 将DT-CWT处理之后的IMF高频分量与CEEMDAN分解得到的IMF低频分量进行信号重构, 获得最终去噪后的水质光谱信号。 实验结果表明: 基于CEEMDAN联合双树复小波变换的去噪算法适用于紫外-可见光谱水质检测的数据处理。 对于化学需氧量COD标液为100 mg·L-1的邻苯二甲酸氢钾溶液, 将实测的紫外-可见光谱数据应用该算法去噪后的SNR=24.201 5 dB, RMSE=0.024 0, NCC=0.999 4, PSNR=37.573 6, 不仅去噪效果显著优于CEEMDAN和双树复小波阈值算法, 还有效地保留了原始COD标液的吸收特征峰, 遏制了平移敏感性现象, 提高了重构信号的平滑度, 改善了重构信号质量。 为紫外-可见光谱法检测水质COD提供了一种新的数据预处理方法。

针对现有的红外图像去噪算法在边缘恢复和保持上的缺陷, 提出了基于双树复小波与最大后验估计的红外图像去噪方法。充分利用双树复小波变换的多分辨率分析、平移不变性和多方向选择性等优秀特性, 对含噪的红外图像作双树复小波变换; 基于对高斯噪声和无噪图像的概率密度分布的假设, 在小波域中对无噪图像的小波系数作最大后验估计, 实现红外图像的去噪和恢复。红外图像去噪实验证明了方法的有效性, 算法在有效去除噪声的同时, 对边缘细节的保持和恢复较理想, 去噪的图像质量指标PSNR和SSIM比现有的方法分别提高1dB和2%以上。

针对现有的高斯噪声去除方法的边缘保持能力差、去噪图像对比度低等缺陷，提出一种带边缘增强的双树复小波阈值去噪方法。充分利用双树复小波的平移不变性和多方向选择性等优秀特性，根据高斯噪声的数学模型，由假设推导出一种自适应的双树复小波阈值去噪模型；提出一种多向梯度算子，对由阈值去噪模型得出的去噪图像进行边缘提取；最后对边缘图像与去噪图像进行线性有参叠加，得到边缘增强的去噪图像。实验结果证明，所提方法具有良好的去噪性能、边缘保持能力和快速的计算效率。

针对红外与弱可见光图像传统融合算法在结果图像中目标不突出、整体对比度降低、边缘及纹 理细节不清晰、缺失等问题, 本文提出一种基于感知一致性空间(Perception Unified Color Space, PUCS) 和双树复小波变换(Dual Tree Complex Wavelet Transform, DTCWT)的融合算法。首先, 将红外与弱 可见光图像的亮度分量由RGB空间分别转至感知一致性空间得到新的亮度分量以备后续变换处理; 接着, 将源图像利用DTCWT进行多尺度分解, 分别获取各自的低频分量与髙频分量; 然后, 根据不 同频带系数特点, 提出一种基于区域能量自适应加权的规则对低频子带分量进行融合, 采用一种基于 拉普拉斯能量和与梯度值向量的规则对不同尺度、方向下髙频子带分量进行融合; 最后, 对融合后的 髙、低频子带分量进行DTCWT逆变换重构图像, 再将其转回至RGB空间以得到最终结果。在不同 场景下将本文算法与 3 种髙效融合算法进行对比评价, 实验结果表明, 本文算法不但在主观视觉上具 有显著的目标特征、清晰的背景纹理及边缘细节、整体对比度适宜, 而且在 8项客观评价指标上也取 得了较好的效果。

针对多重水印信息的有效嵌入和提取,提出了一种基于峰值信噪比-归一化相关系数函数(PSNR-NC)优化和非抽样双树复小波变换的自适应多重水印算法。该算法首先利用PSNR-NC函数来确定水印的最佳嵌入位置,其次通过非抽样双树复小波变换-奇异值分解(UDTCWT-SVD)算法将多个相互独立的水印信息嵌入到彩色宿主图像中,最后通过水印提取算法在含水印图像中提取多重水印,有效实现了多个版权信息的嵌入和提取。实验结果表明,嵌入水印图像具备良好的不可见性,所提算法对常见的图像处理攻击,特别是在抵抗JPEG压缩、噪声攻击和滤波攻击方面表现出较强的鲁棒性。

针对大多数图像信息隐藏技术需要先验信息及训练难度大的问题,提出一种基于复小波变换和自适应像素聚类的图像信息隐藏方法。方法利用新型的无监督种群优化算法对秘密图像进行自适应的像素聚类处理, 采用支持向量机选择载体图像双树复小波变换的最优小波子带, 将最优小波子带作为信息隐藏的载体以保证信息隐藏的不可感知性。实验结果表明方法具有较强的不可感知性,能够抵抗隐写分析模型的入侵, 在信息隐藏过程中不需要原载体图像和秘密信息的先验知识,属于全盲信息隐藏方法。

为了将可见光图像与红外图像中的细节信息更多的呈现在融合图像中，突出目标特征并获得更好的图像视觉效果，本文提出一种基于改进谱残差显著性图的红外与可见光图像融合方法。首先用改进的谱残差显著性检测算法提取红外图像的显著性图并获得融合图像的显著性系数，然后对源图像进行双树复小波分解，并根据特定的融合规则分别对图像的低频部分以及高频部分进行融合，最后采用双树复小波逆变换重构获得最终的融合图像。实验表明，本文融合方法相较于传统融合方法融合质量更高并且在视觉效果上有显著提升。

由于轻元素自身特征X射线以及测量元素间特征X射线的相互干扰, 受仪器能量分辨率的影响, 实测X射线荧光光谱会产生严重重叠。 以色谱分离度Rs作为计算谱峰重叠程度的指标, Rs低于0.5的重叠峰作为研究对象, 提出一种峰锐化法结合双树复小波变换分解低分离度重叠峰的新方法, 并对模拟X射线荧光光谱和实测X射线荧光光谱进行了新方法的验证。 首先, 在详细介绍峰锐化法和双树复小波变换分解重叠峰原理的基础上, 通过仿真结果发现: 当Rｓ=0.38时, 两种方法皆不能单独实现重叠峰的分解; 然而, 峰锐化法处理后的信号不仅保留了原始信号的峰位特征, 还出现了分离度明显变大的现象。 因此, 可以通过调节峰锐化法的权值实现对低分离度重叠峰的初步锐化, 再对锐化后的信号做双树复小波变换, 结果实现了对模拟重叠峰的分解, 验证了新方法分解低分离度重叠峰的优越性。 其中, 双树复小波变换的分解层数为2~6层, 第一层选择near_sym_b滤波器, 第一层以上选择qshift_d滤波器, 且当细节系数放大倍数为1~10时, 重叠峰的分解结果更准确。 然后, 模拟了K元素Kα能量峰与其Kβ能量峰的重叠光谱(Ｒｓ=0.44)以及Fe元素Kβ能量峰与Co元素Kα能量峰的重叠光谱(Ｒｓ=0.34), 用新方法对谱线进行处理, 结果实现了重叠峰分解, 且分解后峰位和峰面积的相对误差分别在1%和6%以内, 验证了该方法分解光谱中低分离度重叠峰的可行性。 最后, 用新方法对实测的Ca元素X射线荧光光谱进行处理, 最终也实现了重叠峰分解, 且分解后的峰位相对误差分别为0.8%和0.7%。 结果证明: 峰锐化法结合双树复小波变换能够有效分解低分离度重叠峰, 且在解决X射线荧光光谱中谱峰严重重叠的问题上具有实用性。

红外成像技术随着科技的快速进步在各个领域的应用与日俱增。但是, 红外成像后的图像较为模糊且噪声较大, 严重影响了目标检测和识别的效果, 对图像进行有效的去噪处理就显得很有必要。在研究双树复小波变换和形态学滤波的基础上, 提出了一种基于MAP估计的双树复小波变换与形态学滤波相结合的红外图像去噪方法, 并将其应用于红外图像的去噪。与传统的去噪方法进行比较, 无论从视觉效果还是客观评价指标上来看, 所提方法都优于传统的去噪方法, 可以广泛应用于红外图像处理领域。